彭張林, 杜一甫, 程嘯先, 唐孝安, 張 強(qiáng)

(1.合肥工業(yè)大學(xué) 管理學(xué)院,安徽 合肥 230009;2.過程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室,安徽 合肥 230009)

0 引言

設(shè)計(jì)眾包指企業(yè)在新產(chǎn)品開發(fā)過程中,基于互聯(lián)網(wǎng)眾包平臺(tái),利用外部廣泛的社會(huì)化資源,尋求新產(chǎn)品設(shè)計(jì)的功能性解決方案的實(shí)踐過程和創(chuàng)新模式[1-2]。Web 2.0和移動(dòng)互聯(lián)網(wǎng)技術(shù)加快了社交網(wǎng)絡(luò)的發(fā)展,越來越多不同領(lǐng)域的用戶通過眾包等互聯(lián)網(wǎng)平臺(tái)與企業(yè)進(jìn)行協(xié)同研發(fā)[3-5]。例如,波音通過Innocentive第三方眾包平臺(tái)及自身籌建的全球化協(xié)作體系吸引了約40個(gè)合作伙伴共同完成“787夢(mèng)幻客機(jī)”的大部分設(shè)計(jì)工作[2];寶潔公司提出“聯(lián)發(fā)”理念,通過在Yet2.com等眾包網(wǎng)站上發(fā)布產(chǎn)品研發(fā)任務(wù)來提高公司的創(chuàng)新能力和研發(fā)生產(chǎn)力;Designboom作為全球設(shè)計(jì)行業(yè)中著名的眾包平臺(tái),目前涵蓋了工業(yè)、科技和建筑等多個(gè)領(lǐng)域,吸引了世界各地的優(yōu)秀設(shè)計(jì)師在該平臺(tái)上參與相關(guān)產(chǎn)品開發(fā)[6]。在此背景下,設(shè)計(jì)眾包正逐漸發(fā)展為一種聚集豐富社會(huì)資源、依托社會(huì)化網(wǎng)絡(luò)的新型商業(yè)模式,用戶個(gè)性化需求及其自身設(shè)計(jì)理念不斷深入到產(chǎn)品的開發(fā)過程中[7]。

一個(gè)完整的產(chǎn)品開發(fā)流程可以劃分為“概念、計(jì)劃、開發(fā)、驗(yàn)證、發(fā)布、迭代”6個(gè)階段。一般而言,用戶通過眾包平臺(tái)參與產(chǎn)品開發(fā)主要聚焦于概念階段,如需求獲取、關(guān)鍵技術(shù)識(shí)別、概念生成等前端工作[8],其中概念生成是將用戶需求或設(shè)計(jì)理念轉(zhuǎn)化為產(chǎn)品的功能特征與服務(wù)特征,并將這些特性映射到產(chǎn)品概念方案的結(jié)構(gòu)化過程。產(chǎn)品概念方案通常采用草圖和三維模型表示并附帶簡(jiǎn)要的文字描述,其質(zhì)量在一定程度上直接決定該產(chǎn)品是否滿足用戶需求以及商業(yè)化成功的可能性[9]。在設(shè)計(jì)眾包過程中,企業(yè)將產(chǎn)品開發(fā)項(xiàng)目以眾包任務(wù)的形式發(fā)布在眾包平臺(tái)上,用戶通過自由自愿的形式進(jìn)行投標(biāo)并最終提交產(chǎn)品概念方案,發(fā)包方和平臺(tái)需要基于一定規(guī)則從眾多候選方案中選擇符合任務(wù)需求的相對(duì)最優(yōu)的方案,并給予中標(biāo)用戶相應(yīng)的獎(jiǎng)勵(lì)。因此,產(chǎn)品概念方案評(píng)價(jià)與選擇是設(shè)計(jì)眾包整個(gè)服務(wù)流程中的關(guān)鍵環(huán)節(jié),其合理性對(duì)產(chǎn)品開發(fā)項(xiàng)目的成功以及用戶持續(xù)參與的意愿具有重要影響。

然而,與企業(yè)傳統(tǒng)開發(fā)模式下由組織內(nèi)部的專職研發(fā)人員依賴自身經(jīng)驗(yàn)篩選相對(duì)有限的方案不同,設(shè)計(jì)眾包環(huán)境下產(chǎn)品概念方案的評(píng)價(jià)與選擇面臨更大的復(fù)雜性,主要體現(xiàn)在:①設(shè)計(jì)眾包環(huán)境下,大規(guī)模用戶參與會(huì)涌現(xiàn)大量的產(chǎn)品概念方案,遠(yuǎn)超傳統(tǒng)模式下企業(yè)內(nèi)部研發(fā)人員設(shè)計(jì)出來的方案數(shù)量[6],這必將加大方案評(píng)價(jià)與選擇的工作量和難度;②不同表達(dá)形式的產(chǎn)品概念方案是一種定制的知識(shí)創(chuàng)意型虛擬產(chǎn)品[1],其價(jià)值的測(cè)度和評(píng)價(jià)缺乏嚴(yán)謹(jǐn)客觀的衡量標(biāo)準(zhǔn),難以構(gòu)建合理的評(píng)價(jià)指標(biāo)體系;③產(chǎn)品概念方案中各評(píng)價(jià)指標(biāo)間并非完全相互獨(dú)立,彼此可能存在關(guān)聯(lián)[10],在評(píng)價(jià)時(shí)應(yīng)予以考慮;④設(shè)計(jì)眾包環(huán)境下,用戶需求與產(chǎn)品設(shè)計(jì)之間有了更多更深層次的直接交互[11],在方案選擇過程中如何更好地考慮用戶的需求偏好,對(duì)最終選出合理的方案至關(guān)重要;⑤產(chǎn)品概念方案評(píng)價(jià)過程中通常蘊(yùn)含大量確定性和不確定性信息[12],在進(jìn)行評(píng)價(jià)決策時(shí)如何集成這些不同維度、不同評(píng)價(jià)尺度和不同表達(dá)方式的信息也是一項(xiàng)重要的挑戰(zhàn)。

1 評(píng)價(jià)模型

1.1 評(píng)價(jià)框架

針對(duì)設(shè)計(jì)眾包環(huán)境下產(chǎn)品概念方案評(píng)價(jià)在初步篩選方案、構(gòu)建評(píng)價(jià)指標(biāo)體系、確定指標(biāo)權(quán)重、考慮用戶偏好以及融合集成確定性與不確定性信息等方面存在的復(fù)雜性,研究提出如圖1所示的產(chǎn)品概念方案評(píng)價(jià)框架,該框架包括5個(gè)模塊:

(1)初步篩選方案 在正式評(píng)估前,借助特征識(shí)別和專家判斷的方法剔除某些設(shè)計(jì)明顯無法滿足基本要求的方案,形成候選方案列表。

(2)構(gòu)建指標(biāo)體系 根據(jù)公理化設(shè)計(jì)理論將設(shè)計(jì)眾包任務(wù)的具體需求轉(zhuǎn)換為產(chǎn)品的功能特征與服務(wù)特征,結(jié)合$APPEALS模型(又稱成功產(chǎn)品的關(guān)鍵要素)確定概念方案評(píng)價(jià)指標(biāo)。

(3)確定初始權(quán)重 考慮產(chǎn)品功能結(jié)構(gòu)本身的緊耦合性,各評(píng)價(jià)指標(biāo)之間存在一定程度的相互依賴和影響,因此采用DEMATEL法計(jì)算各指標(biāo)的初始權(quán)重。

(4)調(diào)整指標(biāo)權(quán)重 為了在概念方案評(píng)價(jià)和選擇過程中更好地融合用戶需求偏好,利用眾包平臺(tái)獲取用戶真實(shí)感知和偏好的便利性,在真實(shí)獲取用戶需求偏好的基礎(chǔ)上,采用KANO模型調(diào)整各評(píng)價(jià)指標(biāo)的權(quán)重,將用戶需求的偏好信息直接反映在權(quán)值上。

(5)集成評(píng)價(jià)信息 發(fā)揮證據(jù)推理在融合確定性與不確定性信息上的優(yōu)勢(shì),對(duì)各指標(biāo)的評(píng)價(jià)信息進(jìn)行綜合集成,并完成候選方案排序,以生成最優(yōu)方案供發(fā)包方選擇。

整體上看,本文所提框架具有一定優(yōu)勢(shì):①采用$APPEALS模型從眾包任務(wù)需求特征、用戶選擇偏好兩個(gè)維度綜合確定評(píng)價(jià)指標(biāo),增強(qiáng)了選取指標(biāo)的理論支撐;②各指標(biāo)權(quán)重的計(jì)算更加貼合用戶需求偏好,綜合使用DEMATEL法與KANO模型,不但體現(xiàn)了各個(gè)指標(biāo)間的內(nèi)部關(guān)聯(lián)關(guān)系,而且融入了用戶的需求偏好特征;③考慮了評(píng)價(jià)過程的復(fù)雜性,評(píng)價(jià)信息存在模糊性、不確定性等,基于證據(jù)推理充分融合確定性與不確定性信息,獲得被測(cè)對(duì)象的一致性解釋或描述,從而有效處理不確定性多屬性決策問題,更好地支撐發(fā)包方的優(yōu)選決策。

下面詳細(xì)介紹該評(píng)價(jià)模型的關(guān)鍵步驟。

1.2 基于$APPEALS模型的評(píng)價(jià)指標(biāo)選取

在眾包平臺(tái)上,產(chǎn)品概念方案評(píng)價(jià)指標(biāo)是對(duì)眾包任務(wù)要求最直接的反映,而眾包任務(wù)要求又源于產(chǎn)品最終要服務(wù)的用戶和市場(chǎng)這一直接對(duì)象。對(duì)用戶和市場(chǎng)需求的度量,一般采用經(jīng)典的公理化設(shè)計(jì)理論,將用戶需求轉(zhuǎn)換為產(chǎn)品的功能性特征和服務(wù)性特征,在此基礎(chǔ)上結(jié)合$APPEALS模型進(jìn)一步解析和匹配產(chǎn)品設(shè)計(jì)的功能性和服務(wù)性需求。$APPEALS模型聯(lián)系著市場(chǎng)和產(chǎn)品模型,可以將用戶需求充分轉(zhuǎn)換成產(chǎn)品的關(guān)鍵特性,從產(chǎn)品的價(jià)格($ Price)、可靠性(assurances)、性能(performance)、外觀(packaging)、易用性(ease of use)、可獲得性(availability)、生命周期成本(life cycle)和社會(huì)接受程度(social acceptance)8個(gè)維度定義了產(chǎn)品成功的關(guān)鍵要素。該模型可以用產(chǎn)品差異化雷達(dá)圖表示,如圖2所示。

由圖2可知,實(shí)線與虛線上的產(chǎn)品分別在價(jià)格和性能上更有優(yōu)勢(shì),企業(yè)可以根據(jù)自身定位選擇合適的細(xì)分市場(chǎng)有針對(duì)性地開發(fā)產(chǎn)品。假設(shè)經(jīng)過對(duì)用戶提交的全部方案進(jìn)行初步篩選后還有M個(gè)候選方案,評(píng)價(jià)指標(biāo)有n個(gè),則方案集為A={al|l=1,2,…,M},評(píng)價(jià)指標(biāo)集為G={Gi|i=1,2,…,n}。

1.3 基于DEMATEL法的指標(biāo)權(quán)重的初始確定

DEMATEL法由日內(nèi)瓦Battelle協(xié)會(huì)的Fontela和Gabus兩位教授提出,該方法基于圖論構(gòu)建可視化的結(jié)構(gòu)模型以認(rèn)知并評(píng)估復(fù)雜因素之間的相互依賴關(guān)系[24]。利用該方法計(jì)算指標(biāo)初始權(quán)重的步驟如下:

(1)構(gòu)建直接影響矩陣X=[xij]n×n。邀請(qǐng)領(lǐng)域?qū)＜冶嫖龈鱾€(gè)指標(biāo)之間的影響程度并打分,其中Gi對(duì)Gj的影響值記為xij(i≠j),本文采用五分點(diǎn)法,即xij的值可能取0,1,2,3,4,分別對(duì)應(yīng)無影響、低影響、中影響、高影響和極高影響,當(dāng)i=j時(shí)令xij=0。

(2)規(guī)范化直接影響矩陣得到Y(jié)=[yij]n×n,其中

(1)

(3)計(jì)算各個(gè)指標(biāo)的中心度。將規(guī)范化后的直接影響矩陣轉(zhuǎn)化為綜合影響矩陣T=Y(I-Y)-1=[tij]n×n,基于矩陣T,分別計(jì)算各行元素與各列元素之和:

(2)

式中:Tr(i)為影響度,即指標(biāo)Gi對(duì)其他指標(biāo)的影響之和;Tc(i)為被影響度,即指標(biāo)Gi受其他指標(biāo)的影響之和。則指標(biāo)Gi的中心度

mi=Tr(i)+Tc(i)。

(3)

(4)計(jì)算各個(gè)指標(biāo)的初始權(quán)重。指標(biāo)Gi的權(quán)重

(4)

1.4 基于KANO模型的指標(biāo)權(quán)重調(diào)整

狩野紀(jì)昭教授于1984年提出KANO模型[25],他認(rèn)為對(duì)質(zhì)量的認(rèn)知要從一維模型細(xì)化到二維模型,即用戶的主觀感受和產(chǎn)品/服務(wù)的客觀表現(xiàn)。該模型根據(jù)不同的產(chǎn)品特性與用戶滿意度之間的關(guān)系,將用戶需求偏好信息分為基本型需求(M)、期望型需求(O)、魅力型需求(A)、無差異型需求(I)和反向型需求(R)5類[26],如圖3所示。

發(fā)揮眾包平臺(tái)獲取用戶需求的便利性,結(jié)合文獻(xiàn)[22]的KANO模型分類評(píng)估表,確定各評(píng)價(jià)指標(biāo)對(duì)應(yīng)歸屬為A,O,M,I,R中的某個(gè)類別,從而調(diào)整權(quán)重,具體步驟如下:

(1)確定各指標(biāo)權(quán)重的調(diào)整系數(shù) 借鑒文獻(xiàn)[22]的研究,將A,O,M,I各類評(píng)價(jià)指標(biāo)對(duì)應(yīng)的調(diào)整系數(shù)定義為4,2,1,0。

(2)計(jì)算最終權(quán)重 根據(jù)調(diào)整系數(shù),指標(biāo)Gi的最終權(quán)重為

(5)

1.5 基于證據(jù)推理的評(píng)價(jià)信息綜合集成

證據(jù)推理首先由Dempster提出,然后由Shafer等進(jìn)一步完善。該方法利用概率的半可加性原則代替可加性原則,使證據(jù)合成后的不確定性度量仍然滿足單個(gè)證據(jù)基本可信數(shù)的性質(zhì),保證證據(jù)的信念合成具有系統(tǒng)完整性,度量結(jié)果更貼近真實(shí)[27]。運(yùn)用證據(jù)推理融合產(chǎn)品概念方案中的確定性信息和不確定性信息的主要步驟如下:

(1)構(gòu)造統(tǒng)一評(píng)價(jià)集

1)指標(biāo)的分布評(píng)價(jià)變換

當(dāng)指標(biāo)為定性指標(biāo)時(shí),其分布評(píng)價(jià)常根據(jù)決策者的經(jīng)驗(yàn)知識(shí)確定,不同情況下分布不同。本文主要探討定量指標(biāo)的分布評(píng)價(jià)變換。

(6)

(7)

2)不同評(píng)價(jià)集的轉(zhuǎn)換

統(tǒng)一的評(píng)價(jià)集是信息集成的前提,當(dāng)不同指標(biāo)的評(píng)價(jià)集有差異時(shí),根據(jù)文獻(xiàn)[27],將評(píng)價(jià)集Θ=(H1,…,Hi,Hi+1,…,Hu)映射到統(tǒng)一評(píng)價(jià)集H=(H1,H2,…,Hi,…,Hk),如圖4所示。

該映射方法有以下特點(diǎn):①Θ中任一評(píng)價(jià)等級(jí)映射在H上評(píng)價(jià)等級(jí)為Hi的比例均在[0,1]之間,且分配到不同評(píng)價(jià)等級(jí)的比例之和為1;②Θ映射在H上評(píng)估等級(jí)為Hi的值為Θ上不同評(píng)價(jià)等級(jí)的映射之和,如H中的H1等于Θ上的H1+X2,1H2。

(2)確定概率分配函數(shù)

1)確定各指標(biāo)的分布評(píng)價(jià)

假設(shè)評(píng)價(jià)指標(biāo)體系有兩層指標(biāo),即基本指標(biāo)G={G1,…,Gn}和上層指標(biāo)y,統(tǒng)一評(píng)價(jià)框架為H=(H1,…,Hk,…,HK),令H1H2…HK,其中表示劣于,指標(biāo)的權(quán)重值為對(duì)于?al∈A,方案al下指標(biāo)Gi在統(tǒng)一評(píng)價(jià)框架下的分布評(píng)價(jià)為

S(Gi(al))={(Hk,βk,i(al))|k=1,2,…,K;
i=1,2,…,n;l=1,2,…,M}。

(8)

(9)

2)構(gòu)造概率分配函數(shù)

令mk,i(al)為已分派的概率分配函數(shù),表示方案al下Gi指標(biāo)支持上層指標(biāo)y為等級(jí)Hk的程度,

(10)

式中k=1,2,…,K。

mH,i(al)為未分派的概率分配函數(shù),表示方案al下Gi指標(biāo)未支持上層指標(biāo)y為任何等級(jí),

(11)

可將mH,i(al)進(jìn)一步分解,即

(12)

(13)

(3)集成多源評(píng)價(jià)信息

對(duì)于?al∈A,令I(lǐng)(i)為集成方案al前i個(gè)基本指標(biāo),mk,I(i+1)(al)為方案al前i+1個(gè)基本指標(biāo)集成后支持上層指標(biāo)y為等級(jí)Hk的程度,mH,I(i+1)(al)為方案al前i+1個(gè)基本指標(biāo)集成后未支持上層指標(biāo)y為任何等級(jí)的程度。在遞歸起點(diǎn),令:

(14)

則有:

(15)

式中KI(i+1)(al)為規(guī)?；蜃?反映不同證據(jù)之間矛盾的大小,

(16)

集成所有基本指標(biāo)后,計(jì)算上層指標(biāo)y的綜合信任度,對(duì)于?al∈A,有:

(17)

式中:βk(al)為方案al在上層指標(biāo)y下被評(píng)為等級(jí)Hk的置信度;βH(al)表示方案al在上層指標(biāo)y下未被評(píng)為任何等級(jí),即信息無知度。由此可得方案al的分布評(píng)價(jià)

S(y(al))={(Hk,βk(al))|k=1,2,…,K;
l=1,2,…,M}。

(18)

實(shí)際上,對(duì)于多層指標(biāo),可以將此時(shí)的上層指標(biāo)當(dāng)作基本指標(biāo),通過同樣的方法集成。

(4)計(jì)算綜合效用并排序

設(shè)評(píng)價(jià)框架H=(H1,…,Hk,…,HK)中不同評(píng)價(jià)等級(jí)Hk對(duì)應(yīng)的效用為u(Hk),通常令u(H1)

(19)

當(dāng)對(duì)方案al進(jìn)行完全評(píng)價(jià),即βH(al)=0時(shí),有umax(al)=umin(al)=uave(al)。

最后通過平均效用對(duì)備選方案排序,則對(duì)于?al,av∈A,有:

alav?uave(al)al～av?uave(al)=uave(av)。

(20)

式中～為“無差異于”。

2 案例研究

2.1 案例描述

本文選取Design Boom眾包平臺(tái)上的未來個(gè)人計(jì)算機(jī)(Personal Computer,PC)方案設(shè)計(jì)任務(wù)作為案例進(jìn)行研究,該任務(wù)由日本富士通公司發(fā)布,最終收集了1 000余份計(jì)算機(jī)設(shè)計(jì)方案。富士通公司成立了包括本公司的高級(jí)副總裁、設(shè)計(jì)中心總經(jīng)理和外部知名工業(yè)設(shè)計(jì)大師等的專家評(píng)審團(tuán)隊(duì),該團(tuán)隊(duì)從1 000多個(gè)設(shè)計(jì)方案中初選了108個(gè)方案。文獻(xiàn)[6]基于108個(gè)方案進(jìn)一步篩選出10個(gè)方案,如表1所示。在此基礎(chǔ)上,本文根據(jù)上述搭建的產(chǎn)品概念方案評(píng)價(jià)模型進(jìn)行評(píng)價(jià),并與文獻(xiàn)[6]的評(píng)選結(jié)果進(jìn)行對(duì)比。

表1 10個(gè)候選方案的基本信息

2.2 評(píng)價(jià)計(jì)算

2.2.1 建立PC產(chǎn)品概念方案的評(píng)價(jià)指標(biāo)體系

為了提高概念方案與用戶市場(chǎng)的匹配度,體現(xiàn)其商業(yè)成功的關(guān)鍵決定性因素,本文結(jié)合$APPEALS模型,對(duì)文獻(xiàn)[6]選取的“人機(jī)交互性”“創(chuàng)新性”“靈活性”“可靠性”4個(gè)評(píng)價(jià)指標(biāo)進(jìn)行擴(kuò)展,新增了“可制造性”和“外觀時(shí)尚性”兩個(gè)指標(biāo),分別對(duì)應(yīng)$APPEALS模型中的可獲得性和外觀特征。因?yàn)閷?duì)于PC產(chǎn)品概念方案,其設(shè)計(jì)可制造性的高低直接決定企業(yè)是否采納,是十分重要的指標(biāo),同時(shí)PC產(chǎn)品最終要面向客戶,當(dāng)下的社會(huì)環(huán)境,客戶對(duì)PC產(chǎn)品的外觀要求可能比較高,因此也應(yīng)考慮時(shí)尚性指標(biāo),各指標(biāo)的評(píng)價(jià)集如下:

根據(jù)專家判斷并結(jié)合文獻(xiàn)[6]的部分?jǐn)?shù)據(jù),最終得到各個(gè)方案的指標(biāo)值,如表2所示。

表2 方案評(píng)價(jià)值

2.2.2 基于DEMATEL法的初始權(quán)重確定

首先邀請(qǐng)專家辨析評(píng)價(jià)指標(biāo)的相互影響,并根據(jù)專家意見繪制指標(biāo)關(guān)聯(lián)關(guān)系有向圖,如圖5所示;然后構(gòu)建各評(píng)價(jià)指標(biāo)的直接影響矩陣,如表3所示。

表3 初始直接影響矩陣

由式(1)～式(4)計(jì)算出G1～G6的權(quán)重分別為0.24,0.16,0.19,0.10,0.18,0.13。

2.2.3 基于KANO模型的權(quán)重調(diào)整

針對(duì)富士通公司發(fā)起的眾包任務(wù)和10個(gè)候選方案,設(shè)計(jì)KANO問卷并發(fā)放至Design Boom平臺(tái),最終收集了173份有效問卷,根據(jù)頻數(shù)最大優(yōu)選法原則得到各個(gè)指標(biāo)的分類結(jié)果,如表4所示。

表4 用戶需求偏好分類表

根據(jù)式(5)調(diào)整指標(biāo)權(quán)重,計(jì)算出G1～G6調(diào)整后的權(quán)重分別為0.14,0.10,0.23,0.12,0.11,0.30。

2.2.4 基于證據(jù)推理的評(píng)價(jià)信息集成

首先根據(jù)式(6)和式(7)得出方案al關(guān)于評(píng)價(jià)指標(biāo)Gi在評(píng)價(jià)集Hi的分布評(píng)價(jià),以方案1為例:

其次將不同的評(píng)價(jià)集映射到統(tǒng)一評(píng)價(jià)集下,設(shè)統(tǒng)一評(píng)價(jià)集H={H1,H2,H3,H4,H5},映射規(guī)則如圖6所示,得出方案al下評(píng)價(jià)指標(biāo)Gi在H的分布S(Gi(al))。

例如對(duì)于方案1,在H上,其分布為:

S(G1(a1))={(H3,0.05),(H4,0.5),(H5,0.45)};

S(G2(a1))={(H3,0.13),(H4,0.5),(H5,0.37)};

S(G3(a1))={(H2,0.04),(H3,0.29),

(H4,0.46),(H5,0.21)};

S(G4(a1))={(H4,0.47),(H5,0.53)};

S(G5(a1))={(H4,0.46),(H5,0.54)};

S(G6(a1))={(H2,0.05),(H3,0.15),(H4,0.45),

(H5,0.35)}。

然后,基于式(8)～式(18)對(duì)評(píng)價(jià)信息進(jìn)行融合集成,得到10個(gè)方案在H上的分布評(píng)價(jià)分別為:

S(y(a1))={(H1,0),(H2,0.021 2),

(H3,0.12),(H4,0.489 6),(H5,0.369 2)};

S(y(a2))={(H1,0.008 1),(H2,0.081 4),

(H3,0.2),(H4,0.472 3),(H5,0.238 2)};

S(y(a3))={(H1,0),(H2,0.132 4),

(H3,0.294 9),(H4,0.368 9),(H5,0.203 8)};

S(y(a4))={(H1,0),(H2,0.031 8),

(H3,0.185 9),(H4,0.542 5),(H5,0.239 8)};

S(y(a5))={(H1,0.003),(H2,0.053 4),

(H3,0.232 8),(H4,0.526 3),(H5,0.184 5)};

S(y(a6))={(H1,0),(H2,0.038 1),

(H3,0.109 5),(H4,0.437 8),(H5,0.414 6)};

S(y(a7))={(H1,0),(H2,0),(H3,0.123 6),

(H4,0.554 4),(H5,0.322)};

S(y(a8))={(H1,0),(H2,0.090 8),

(H3,0.404 7),(H4,0.382 9),(H5,0.121 6)};

S(y(a9))={(H1,0),(H2,0.028 5),

(H3,0.133 2),(H4,0.482 2),(H5,0.356 1)};

S(y(a10))={(H1,0),(H2,0.005 3),

(H3,0.144 6),(H4,0.477 2),(H5,0.372 9)}。

設(shè)各評(píng)價(jià)等級(jí)的效用分別為u(H1)=0,u(H2)=0.25,u(H3)=0.5,u(H4)=0.75,u(H5)=1。由式(19)計(jì)算對(duì)應(yīng)10個(gè)方案的效用值為:u(a1)=0.801 7,u(a2)=0.712 8,u(a3)=0.661 0,u(a4)=0.747 6,u(a5)=0.709 0,u(a6)=0.852 0,u(a7)=0.799 6,u(a8)=0.633 8,u(a9)=0.791 5,u(a10)=0.804 4。由此可知,這10個(gè)方案的排序?yàn)閍6?a10?a1?a7?a9?a4?a2?a5?a3?a8。

2.3 結(jié)果對(duì)比分析

本文與文獻(xiàn)[6]的評(píng)價(jià)結(jié)果對(duì)比如表5所示,其中選出的最優(yōu)方案均為方案6,但是后續(xù)排序不同,主要原因在于評(píng)價(jià)指標(biāo)選取不同、權(quán)重的確定方法不同以及信息融合的方法不同。

表5 本文與文獻(xiàn)[6]評(píng)價(jià)結(jié)果的對(duì)比

為了進(jìn)一步證明本文所提方法的有效性,利用候選產(chǎn)品概念方案與最優(yōu)理想產(chǎn)品概念方案的貼近度AC來衡量評(píng)價(jià)結(jié)果的質(zhì)量[29]:每個(gè)候選產(chǎn)品概念方案都可以看作是多維空間中的一個(gè)點(diǎn),這個(gè)點(diǎn)與最優(yōu)理想點(diǎn)距離越近,貼近度越高,該候選產(chǎn)品概念方案的質(zhì)量越高。AC的表達(dá)式為

(21)

(22)

式中:Cli為方案al下第i個(gè)指標(biāo)Gi標(biāo)準(zhǔn)化處理前的初始評(píng)價(jià)值;Ci,max,Ci,min分別為所有方案中指標(biāo)Gi的最大、最小初始評(píng)價(jià)值。

文獻(xiàn)[6]中各指標(biāo)的評(píng)價(jià)值均為點(diǎn)值,標(biāo)準(zhǔn)化處理比較方便。而本文的指標(biāo)評(píng)價(jià)值均采用分布評(píng)價(jià)S(Gi(al)),標(biāo)準(zhǔn)化處理存在一定困難,為此設(shè)不同評(píng)價(jià)等級(jí)所對(duì)應(yīng)的數(shù)值依次為H1=0,H2=0.25,H3=0.5,H4=0.75,H5=1,結(jié)合各評(píng)價(jià)指標(biāo)在各評(píng)價(jià)等級(jí)下的概率分布將評(píng)價(jià)值轉(zhuǎn)化為點(diǎn)值,再進(jìn)行標(biāo)準(zhǔn)化處理。最后基于式(21)計(jì)算各候選產(chǎn)品概念方案與最優(yōu)理想產(chǎn)品概念方案的貼近度,本文與文獻(xiàn)[6]的對(duì)比結(jié)果如圖7所示。

由圖7可知,在同一排名下,采用本文評(píng)價(jià)模型得出的方案與最優(yōu)理想產(chǎn)品概念方案的貼近度均比文獻(xiàn)[6]高,說明本文構(gòu)建的產(chǎn)品概念方案評(píng)價(jià)模型更具優(yōu)越性,其原因如下:①評(píng)價(jià)指標(biāo)選取具備理論支撐,即在文獻(xiàn)[6]的基礎(chǔ)上結(jié)合$APPEALS模型新增可制造性和時(shí)尚性兩個(gè)指標(biāo),增加了對(duì)設(shè)計(jì)可制造性和外觀視覺特征的測(cè)量;②指標(biāo)權(quán)重計(jì)算更加合理,文獻(xiàn)[6]為簡(jiǎn)化計(jì)算,直接將權(quán)重平分至各個(gè)指標(biāo),沒有考慮指標(biāo)的差異性,而本文利用DEMATEL法和KANO模型,不但考慮到指標(biāo)間的內(nèi)部影響關(guān)系,而且進(jìn)一步融入了用戶的需求偏好,更好地發(fā)揮了用戶這一主體的話語權(quán);③評(píng)價(jià)信息更加真實(shí)客觀,文獻(xiàn)[6]通過專家評(píng)價(jià)法以0～5分制作為評(píng)分體系對(duì)各項(xiàng)指標(biāo)進(jìn)行打分,本文較多地考慮了評(píng)價(jià)信息中存在的模糊性和不確定性,并利用證據(jù)推理在融合確定性和不確定性信息上的優(yōu)勢(shì),將這些多源信息映射到同一評(píng)價(jià)集下,進(jìn)而得出綜合效用,使評(píng)價(jià)結(jié)果更貼近實(shí)際。

除此之外,針對(duì)該案例,引入TOPSIS方法[29-30],首先用向量規(guī)范法求得規(guī)范決策矩陣,由此確定正理想解與負(fù)理想解,再計(jì)算各方案到正理想解與負(fù)理想解的加權(quán)距離,最后基于距離測(cè)度相似度C進(jìn)行排序:

(23)

當(dāng)權(quán)重設(shè)置與本文相同時(shí),評(píng)價(jià)結(jié)果為a6?a7?a10?a1?a9?a4?a3?a5?a2?a8,與本文評(píng)價(jià)結(jié)果不同,主要原因是該方法并未考慮評(píng)價(jià)過程中存在的模糊性和不確定性等因素;當(dāng)不考慮指標(biāo)間的權(quán)重差異時(shí),求得評(píng)價(jià)結(jié)果為a6?a1?a9?a7?a10?a4?a2?a5?a8?a3,對(duì)比可知該評(píng)價(jià)結(jié)果與文獻(xiàn)[6]的評(píng)價(jià)結(jié)果基本一致,而與本文評(píng)價(jià)結(jié)果存在一定差異,這是由于TOPSIS方法并未考慮指標(biāo)間的影響與用戶的需求偏好,該評(píng)價(jià)模式只適用于初期沒有經(jīng)驗(yàn)的眾包用戶。

3 結(jié)束語

企業(yè)利用設(shè)計(jì)眾包開展產(chǎn)品開發(fā)不但可以超越企業(yè)組織內(nèi)部個(gè)體能力的局限,實(shí)現(xiàn)碎片化知識(shí)的整合和集成,而且有利于突破傳統(tǒng)思維定勢(shì),開展突破性創(chuàng)造和顛覆式創(chuàng)新。然而,與企業(yè)傳統(tǒng)開發(fā)模式下產(chǎn)品概念方案評(píng)價(jià)不同的是,設(shè)計(jì)眾包環(huán)境下產(chǎn)品概念方案的評(píng)價(jià)與選擇在評(píng)價(jià)指標(biāo)體系構(gòu)建、指標(biāo)權(quán)重確定、用戶偏好的考慮以及確定性與不確定性信息融合等方面面臨更大的復(fù)雜性。因此提出一種面向設(shè)計(jì)眾包的產(chǎn)品概念方案評(píng)價(jià)與選擇模型,首先根據(jù)特征識(shí)別和專家判斷法初步篩選方案,以減輕發(fā)包方審查大量產(chǎn)品概念方案的負(fù)擔(dān);其次通過$APPEALS模型從眾包任務(wù)需求特征、用戶選擇偏好兩個(gè)維度建立產(chǎn)品概念方案的評(píng)價(jià)指標(biāo)體系;然后考慮到指標(biāo)間的影響關(guān)系及用戶需求偏好,利用DEMATEL法與KANO模型計(jì)算指標(biāo);最后基于證據(jù)推理構(gòu)造統(tǒng)一的評(píng)價(jià)集,通過遞歸算法實(shí)現(xiàn)證據(jù)的綜合集成,完成對(duì)概念方案的排序與優(yōu)選。最終以Design Boom眾包平臺(tái)上的計(jì)算機(jī)方案設(shè)計(jì)任務(wù)為例,驗(yàn)證了所提模型的可靠性和有效性。未來的研究可以進(jìn)一步簡(jiǎn)化該評(píng)價(jià)模型的算法,或引入人工智能算法,在保證評(píng)價(jià)結(jié)果質(zhì)量的同時(shí)提高決策效率。